基于径向基函数神经网络的管道缺陷漏磁场分析

管道缺陷漏磁场的量化研究一直是个难题，提出了应用径向基函数（RBF）神经网络来对漏磁场插值计算和非线性逼近的必要性，建立了适合该问题的RBF网络模型，给出了学习算法，制作了常见的人工凹坑缺陷，并对其用该方法进行插值和漏磁场曲面重构。结果表明，该模型算法收敛速度快、自适应性强、所需数据量小、计算量少、拟和曲面效果好，能很好地反映缺陷漏磁场的分布，比其它插值方法更方便、有效，为管道缺陷检测量化提供了一种可行的方法。     

基于神经网络双向联想记忆的超声缺陷分类与识别

本文将神经元网络的联想记忆模型用于超声反射回波信号的识别与分类,对人工缺陷的超声信号分析处理结果表明：采用双向联想记忆方法进行缺陷识别与分类是可行的,为超声缺陷的诊断提供了一条新的途径     

一种基于小波包和PCA的超声缺陷识别方法

在超声检测中，对缺陷进行定性分析是无损检测与评价的关键内容。本研究提出一种对缺陷类型进行分类的检测方法，通过对不同类型的缺陷波信号进行特征量提取，实现对缺陷的类型识别。首先使用空气耦合超声检测系统采集无缺陷信号与3种不同类型的缺陷波信号，提取信号的时域无量纲参数和小波包能量系数组成多维特征向量；然后使用主成分分析法（Principal component analysis，PCA）对多维特征向量进行降维处理得到特征融合量；最后输入BP神经网络系统进行缺陷类型的分类，并与未经过PCA处理的测试结果进行对比分析。实验结果证明，经过PCA处理的测试结果准确率更高，测试时间更短。     

基于改进卷积神经网络的管焊缝X射线图像缺陷识别方法

针对卷积神经网络(CNN)应用于焊缝探伤图像识别时,目标区域占比小,局部信息冗余,激活函数小于零时出现硬饱和区导致模型对输入变化较敏感、网络参数难以训练的问题,采用超像素分割算法(SLIC)和改进的ELU激活函数构建CNN模型进行焊缝探伤图像缺陷识别. 首先,在CNN模型中使用ELU激活函数,在缓解梯度消失时对输入噪声产生更好的鲁棒性,同时,利用SLIC算法对图像像素进行像素块处理的特点,增大焊缝探伤图像中感兴趣区域的占比,降低局部冗余信息,提高模型在训练过程中的特征提取能力. 通过对焊缝探伤图像感兴趣区域提取并与所述CNN模型进行对比试验. 结果表明,该方法在焊缝探伤图像特征提取、训练耗时及识别准确率方面较传统卷积神经网络有更好的表现.     

基于磁记忆信号特征的管道缺陷分类识别和分级识别方法

基于支持向量机(SVM)方法和模拟油田现场管道磁记忆检测数据分别建立了管道缺陷的分类识别和分级识别方法;采用该方法对油田现场5根在役油气管道的缺陷类型进行了识别,并对试验管道的穿孔腐蚀与未穿孔腐蚀两种腐蚀程度进行了识别。结果表明：以三类不同特征量的组合分别建立的SVM模型对缺陷类型的识别率分别是77.08%、89.58%和95.83%,其中使用时域、形态和频域特征量的SVM模型的识别率最高;腐蚀缺陷分级识别方法的识别率达到了90%。该方法可有效识别管道腐蚀缺陷和应力集中缺陷,以及腐蚀缺陷的腐蚀程度。     

基于Morlet小波的机床伺服电流快速重构算法

本文基于多分辨率分析和小波框架理论提出了一种铣削加工过程中进给伺服电流的快速重构算法，重点解决进给伺服电流的分频细化、局部频段重构问题，为数控加工过程中切削负荷的实时分析提供了良好的手段，实验研究的结果表明该算法能够满足实时运算的需要。     

基于电弧传感的GMAW过程焊缝缺陷识别方法

ＣＯ２气体保护焊广泛应用于自动焊及机器人及机器人焊接领域,其过程中焊接质量的自动测是目前工业界亟待解决的问题。而基于电弧传感（ｔｈｒｏｕｇｈ－ｔｈｅ－ａｒｅ ｓｅｎｓｉｎｇ）信息的监测研究,由于其特有的优势得到了越来越多的关注。本文提出一种在ＣＯ２气体保护焊过程中对焊缝摧残的自动测方法。该方法基于对电弧传感信号特征的撮通过采用自组织特征映射（ＳＯＭ）神经网络对信号分类,在焊接过程中在线识别焊缝缺陷     

焊缝超声探伤中缺陷分类时域分析方法

用超声数据采集计算机系统对焊缝中的缺陷进行扫描,并对缺陷回波作数据采集,而后提取各类缺陷脉冲回波的时域特征参数,并对其作统计分析。用统计分布的数字特征值和图象识别中“Fisher线性识别方法”区分焊缝中的各类缺陷。     

基于改进VGG13的冲压件表面缺陷识别方法研究

针对现有冲压件制品缺陷检测方法准确率低的问题,分析深度学习的原理与方法,以VGG13网络为基准模型,通过在特征提取层之后增加CBAM模块进行改进,提出5种基于VGG13与CBAM注意力机制模块相结合的网络模型（VGG13-CBAM）,将改进后的新模型与改进前原VGG13模型分别在武汉某制造车间采集的冲压件缺陷数据集上进行实验研究。将数据集以6∶2∶2划分为训练集、验证集、测试集,并使用数据增强进一步扩充训练集,增加模型泛化性能,对比数据增强前后效果的提升。实验结果表明：在改进后的VGG13-CBAM03网络与VGG13-CBAM04网络上效果明显提升,测试集正确率由79.65%分别提高到了81.55%和81.40%,在使用数据增强对训练集进行扩充后,测试集正确率分别达到84.25%和84.15%,有效提升了冲压件缺陷检测准确率。     

基于机器视觉的集成电路板焊点缺陷识别方法

现有的集成电路板焊点缺陷识别方法未对集成电路板二值图像进行边界跟踪,导致集成电路板焊点缺陷特征提取效果不佳,严重影响了集成电路板焊点缺陷识别效果。为此,文中提出一种基于机器视觉的集成电路板焊点缺陷识别方法。获取集成电路板焊点图像,通过傅里叶变换对集成电路板焊点图像缺陷数据进行空间数据转换,得到空间域的复数图像。引用Rician噪声的期望值对集成电路板焊点图像噪声偏差校正,通过高阶奇异值分解方法获取集成电路板焊点图像块硬阈值;对焊点图像进行阈值分割,利用连通链码对二值图像展开边界跟踪,提取集成电路板焊点缺陷特征,通过Adaboost分类算法构建分类器,将提取的特征输入到分类器内,最终实现集成电路板焊点缺陷识别。试验结果表明,所提方法能够准确识别全部焊接缺陷,缺陷识别耗时仅为103 s,焊点缺陷识别效果较好。     

基于复小波变换和贝叶斯分类器的缺陷类型识别

针对缺陷类型识别这一典型的不确定性问题,提出了一种基于复小波变换和朴素贝叶斯分类器的缺陷类型识别新方法.在利用小渡对超声缺陷回波信号进行消噪的基础上,采用复小波变换获得缺陷回波信号的包络并提取特征参数,最后利用朴素贝叶斯分类器进行分类.实验结果表明,该方法能够实现对缺陷类型的有效识别.     

基于小波变换的缺陷数据库网络存储技术的研究

根据交变磁场测量信号的特点,利用小波变换能表征信号突变特征这一优势,采用多分辨分析方法提取缺陷信号的特征量,并在此基础上提出了利用数据库网络存储技术保存交变磁场测量中的缺陷信息,分析了该种存储方式对信号无损压缩的原理,解决了无损检测中海量缺陷数据的保存问题,并为无损检测仪器系统的网络化提供了新途径。     

基于数据融合技术的大型圆钢锻件超声缺陷识别的研究

对大型圆钢锻件常见缺陷进行了超声识别技术研究，利用感知器算法实现了典型缺陷自动识别，并根据不同类型、位置和姿态的超声换能器，对不同缺陷类型的敏感程度不同，实现了二组换能器在决策级上的数据融合，大大提高了缺陷识别可靠度。     

超声波探伤仪镍镉电池失效的修复方法

镍镉电池是模拟式超声波探伤仪常用的直流电源，该电池常因维护不当而导致电池的失效。找出失效的电池对其进行修复，可使电池恢复正常，从而保证检测设备的正常运行。     

基于小波变换的超声信号自适应消噪方法研究

超声检测中，特定的缺陷回波信号一般都有一定的相关性，因而可利用自适应噪声抵消来增强缺陷回波信号。针对最小均方（LMS）算法自适应噪声抵消的缺点，提出了基于小波变换的自适应噪声抵消方法，通过Matlab软件将该算法应用于超声缺陷信号的仿真处理。结果表明，该算法大大提高了缺陷回波信号的信噪比，且具有较高的缺陷定位精度和纵向分辨率。     

基于PC机的多通道超声波探伤系统

根据超声波脉冲反射法基本原理,设计了以C8051单片机为控制核心、采用PCI8001高速采集卡进行数据采集的四通道超声波探伤系统平台。为了实现对缺陷的有效评估,采用VC6．0开发了超声波检测信号分析系统,实现了对超声波波形的实时数据采集、显示和缺陷的自动报警。试验结果表明,该系统有着较广泛的适用性。     

基于Morlet-P小波的多层金属结构的超声检测研究

鉴于多层金属结构的超声检测信号夹杂了大量的噪声，湮没了有用的裂纹缺陷信息，在对信号作多尺度分析的基础上，构造了Morlet-P小波并以此对信号进行了各种分析。当取多个尺度参数时，基于Morlet-P小波变换得到的小波系数都包含了缺陷信号的频率成分，解决了多分辨率分析时多尺度小波系数在分析窄频带缺陷信号时的不足。     

超厚壁钢管内壁缺陷的超声波探伤方法研究

介绍了用于超厚壁钢管纵向内壁缺陷的超声波探伤方法——变型横波斜射法。探头入射角在小于第一临界角的范围内选择,利用折射纵波斜射到钢管外壁上产生的变型横波检测钢管纵向内壁缺陷。阐述了超厚壁钢管采用该方法探伤时探头入射角的设计、探伤灵敏度的调整及波形判定,并通过Ф121mm×36mm规格钢管的探伤实例验证了此方法的有效性。